S********a 发帖数: 359 | 1 SAS CODE:
proc logistic data=test2 desc;
class c_pnc (ref='1') marital (ref='1') edu (ref='1') race_eth(ref='1') c_smoke (ref='0') c_drink (ref='0') drug (ref='0') npar_grp (ref='0') c_
magecont (ref='1');
model combpreecl=c_magecont c_pnc marital edu race_eth c_smoke pmavg c_drink drug npar_grp / risklimits;
run;
R CODE:
adj.glm=glm(combpreecl~age2+age3+age4+age5+pnc2+pnc3+marital2+marital3+edu2+edu3+race2+race3+c_smoke+pmavg+c_drink+DRUG+npar_grp, data=mydata2, family=binomial("logit"))
R 里除了pmavg以外都是0/1 变量,检查了好几遍了,用的是同一套数据,为什么得出的coefficient(estimates and SE)不一样呢? 头疼啊 | l*********s 发帖数: 5409 | | e*****n 发帖数: 15 | 3 在算SE的时候,SAS 用observed fisher information for glm
R用expected fisher information
所以结果会不同
但是差的应该不是很多吧?
smoke (ref='0') c_drink (ref='0') drug (ref='0') npar_grp (ref='0') c_
drink drug npar_grp / risklimits;
edu2+edu3+race2+race3+c_smoke+pmavg+c_drink+DRUG+npar_grp, data=mydata2,
family=binomial("logit"))
出的coefficient(estimates and SE)不一样呢? 头疼啊
【在 S********a 的大作中提到】 : SAS CODE: : proc logistic data=test2 desc; : class c_pnc (ref='1') marital (ref='1') edu (ref='1') race_eth(ref='1') c_smoke (ref='0') c_drink (ref='0') drug (ref='0') npar_grp (ref='0') c_ : magecont (ref='1'); : model combpreecl=c_magecont c_pnc marital edu race_eth c_smoke pmavg c_drink drug npar_grp / risklimits; : run; : R CODE: : adj.glm=glm(combpreecl~age2+age3+age4+age5+pnc2+pnc3+marital2+marital3+edu2+edu3+race2+race3+c_smoke+pmavg+c_drink+DRUG+npar_grp, data=mydata2, family=binomial("logit")) : R 里除了pmavg以外都是0/1 变量,检查了好几遍了,用的是同一套数据,为什么得出的coefficient(estimates and SE)不一样呢? 头疼啊
| S********a 发帖数: 359 | 4 说也奇怪,SAS 和R 的coeff estimates and se不同,但是exp以后算成OR 和 OR 的CI
就一样了(或者差别太小忽略不计了?但是PVALUE还是有不一样的),那么这个coeff
不同是由于软件原因,本来就应该有的, 没什么可担心的了? |
|